数据资源: 中文期刊论文

基于无人机遥感和深度学习的松材线虫病疫木自动提取方法研究



编号 zgly0001744116

文献类型 期刊论文

文献题名 基于无人机遥感和深度学习的松材线虫病疫木自动提取方法研究

作者 时启龙  黄石明  张明霞  肖欣  喻俊  徐健  邱琳 

作者单位 江西师范大学鄱阳湖湿地与流域研究教育部重点实验室  江西省林业资源监测中心  江西师范大学地理与环境学院 

母体文献 西部林业科学 

年卷期 2022,51(5)

页码 28-33

年份 2022 

分类号 S763 

关键词 松材线虫  无人机遥感  深度学习  样本数据库  U-Net  SegNet  网络模型 

文摘内容 松材线虫病是一种由松墨天牛携带传播松材线虫而引起的毁灭性病害,已经成为近40 a来我国发生最严重、最危险的重大林业病害。传统的监测方法主要依靠人工外业调查和卫星遥感目视判读的方法,不仅工作量大,而且效率低下。本研究以江西省赣州市为研究区域,利用无人机航空摄影获取松材线虫病疫区遥感影像,以被松材线虫感染的疫木为目标,通过面向对象提取和人工校核的方式对图像进行标注,并以256×256像素大小对图像和标签进行裁剪,以8︰2的比例将图像随机分成训练集和验证集,从而构建出包括图像和相应标签的深度学习样本数据库。然后基于TensorFlow开源框架搭建了U-Net和SegNet两种深度学习网络模型。结果显示,U-Net网络模型和SegNet网络模型训练精度均超过95%,U-Net网络模型验证精度要高于SegNet网络模型,SegNet网络模型在训练过程中出现了过拟合现象。最后本研究选取部分区域开展了预测应用,结果表明,U-Net网络模型精确率为81.36%,召回率为83.12%,调和平均值为82.23%,高于SegNet网络模型的75.21%、76.84%和76.01%,U-Net网络模型提取效果优于SegNet网络模型。

相关图谱

扫描二维码